胎盘成熟度分级方法及系统的制作方法[0002]超声成像(Ultrasound，US) 一直以其无辐射无损伤，测量直接，价格低廉且重复性好等优势广泛应用于产前检查以及辅助诊断。也是由于此原因，基于B型超声图像胎盘成熟度分级是检测胎盘异常，如死胎，死产，小胎龄及各种妊娠并发症最常用的功能评价方式之一，是直接评估胎儿的生长发育，反映胎儿宫内生长条件，以确保胎儿健康的重要指标。[0003]然而，这种方法过于依赖对胎盘超声图像的视觉观察，以确定其钙化的程度，并且容易因医生的错误判断和偏差造成误诊。由于这种主观评价对医生的临床经验要求很高，所以在相对落后的地区具有挑战性。为了解决这种不利因素的影响。[0004]目前，已有一些超 声胎盘成熟度自动分级算法，用以减少误诊，规范医疗测试，减少医生的工作量。例如，Grammum在1979年提出的胎盘成熟度分级方法，即根据妊娠各期胎盘绒毛膜板、胎盘实质及基底板的回声和形态把胎盘分为4级，即O、1、I1、III级。然而，这种方法过于依赖对胎盘超声图像的视觉观察，高度依赖于医生的主观判断。刘等人提出了对胎盘成熟度进行自动分级。采用灰度的方差V、扭曲度S和峰度K作为三个灰度参数，用支持向量机(support vector machine, SVM)来对三个灰度特征进行分类,对测试集的分类正确率达到90%。然而，这种分类结果也不足够准确。[0005]总体而言，目前的方法还没有应用于临床实践。提出实用的基于计算机的胎盘成熟度自动分级算法非常必要。
[0006]有鉴于此，有必要提供一种胎盘成熟度分级方法及系统。[0007]本发明提供一种胎盘成熟度分级方法，该方法包括如下步骤:a.对胎盘图像进行预处理；b.检测得到所述预处理后胎盘图像的感兴趣区域；c.对所述感兴趣区域进行特征提取得到LIOP特征；d.采用Fisher向量将所述LIOP特征编码成单一的特征向量；e.归一化上述得到的单一的特征向量，及根据归一化的单一的特征向量采用支持向量机对所述胎盘图像进行成熟度分级。
[0008]其中，所述的所述预处理包括图像降噪。
[0009]所述的步骤b包括尺度搜索，所述的尺度搜索包括:对位置空间搜索到的每个候选点，进行Laplace响应计算，并满足绝对值大于阈值:R(x, y, σ D)=det (C- α X trace2 (C)) >thresholdL ;与临近两个尺度空间的Laplace响应值进行比较,使其满足:R(X，y, σ n) >R(x, y, σ ι), I e {η-1, η+1}。
[0010]所述 的 L I O P 特征 定义 为:LIOP(X) = φ(Y(Ρ(χ))) == (O,. -,O, I ,0,-,0)苴中 P(x)=
{I (X1)，I (x2)，…I (xN)} e ΡΝ,ΡΝ表示一个由N个整数组成的集合，I (Xi)表示采样点i的像素值。
[0011]所述步骤d中的归一化包括:邻近分配: